基于深度哈希学习的大规模图像检索技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 图像检索的研究现状 | 第10-12页 |
| 1.2.1 基于文本的图像检索 | 第10-11页 |
| 1.2.2 基于内容的图像检索 | 第11-12页 |
| 1.3 基于哈希的图像检索算法的研究现状 | 第12-15页 |
| 1.3.1 非数据依赖哈希 | 第12-13页 |
| 1.3.2 数据依赖哈希 | 第13-14页 |
| 1.3.3 深度哈希 | 第14-15页 |
| 1.4 主要研究内容及组织结构 | 第15-17页 |
| 1.4.1 主要研究内容 | 第15-16页 |
| 1.4.2 论文的组织结构 | 第16-17页 |
| 第2章 基于哈希的图像检索相关技术 | 第17-29页 |
| 2.1 引言 | 第17页 |
| 2.2 基于哈希的图像检索基本框架 | 第17-18页 |
| 2.3 图像特征提取 | 第18-19页 |
| 2.4 相似性度量 | 第19-21页 |
| 2.4.1 基于距离的度量方式 | 第19-21页 |
| 2.4.2 基于相似度的度量方式 | 第21页 |
| 2.5 传统图像哈希技术 | 第21-26页 |
| 2.5.1 位置敏感哈希方法 | 第22-23页 |
| 2.5.2 谱哈希方法 | 第23-24页 |
| 2.5.3 核监督哈希 | 第24-26页 |
| 2.6 深度哈希技术 | 第26-28页 |
| 2.6.1 卷积神经网络哈希 | 第26-27页 |
| 2.6.2 深度神经网络哈希 | 第27-28页 |
| 2.7 本章小结 | 第28-29页 |
| 第3章 基于深度哈希学习的图像检索算法的改进 | 第29-44页 |
| 3.1 引言 | 第29页 |
| 3.2 卷积神经网络与哈希学习 | 第29-31页 |
| 3.3 基于语义保留的深度哈希学习 | 第31-38页 |
| 3.3.1 网络结构 | 第31-33页 |
| 3.3.2 自适应权值损失函数 | 第33-34页 |
| 3.3.3 二值约束正则项 | 第34-36页 |
| 3.3.4 语义保留层 | 第36-38页 |
| 3.4 基于生成对抗网络的半监督哈希学习 | 第38-43页 |
| 3.4.1 生成对抗网络 | 第38-39页 |
| 3.4.2 设计思想 | 第39-41页 |
| 3.4.3 网络结构 | 第41-42页 |
| 3.4.4 生成器结构 | 第42页 |
| 3.4.5 判别器结构 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 实验设计与分析 | 第44-56页 |
| 4.1 引言 | 第44页 |
| 4.2 实验数据 | 第44-45页 |
| 4.3 实验配置环境 | 第45页 |
| 4.4 评价指标 | 第45-47页 |
| 4.5 实验结果与分析 | 第47-55页 |
| 4.5.1 自适应权值的损失函数效果分析 | 第47-49页 |
| 4.5.2 二值约束正则项效果分析 | 第49-50页 |
| 4.5.3 语义保留层效果分析 | 第50-52页 |
| 4.5.4 生成对抗网络效果分析 | 第52-53页 |
| 4.5.5 整体算法对比 | 第53-55页 |
| 4.6 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第62-64页 |
| 致谢 | 第64页 |
